Python ValueError:值tf.张量。。shape=（），dtype=float64）没有足够的列组进行批处理。？

我试图获取一个数据帧，并将其转换为张量，以在keras中训练一个模型

我想当我将Y标签转换为张量时，它会被触发：

  X_train = df_train1.drop(variableToPredict, axis=1)
  y_train = df_train1[variableToPredict].copy()


X_train=tf.data.Dataset.from_tensor_slices(dict(X_train))
  y_train=tf.data.Dataset.from_tensor_slices(dict(y_train))

从切片将y_列投射到张量时，我遇到以下错误：

ValueError: Value tf.Tensor(0.10559591064345274, shape=(), dtype=float64) has insufficient rank for batching.

在教程中，这似乎是可行的，但我认为这些教程正在进行多类分类，而我正在进行回归，因此y_train是一个系列，而不是多列

对我能做什么有什么建议吗？

可以使用：

y = tf.data.Dataset.from_tensors(dict(y_train))

或者这个：

y = tf.data.Dataset.from_tensor_slices(y_train)

或者只需使用双括号，使数据帧保持为数据帧，则无需更改任何内容：

y_train = df[['height']].copy()

y = tf.data.Dataset.from_tensor_slices(dict(y_train))

再现问题的完整代码，以及备选方案：

import tensorflow as tf
import pandas as pd

df = pd.DataFrame(data={'integers': [1, 2, 3, 4], 'floats': [4., 3., 2., 1]})

y_train = df['floats'].copy()

y = tf.data.Dataset.from_tensor_slices(dict(y_train)) # not good

y = tf.data.Dataset.from_tensor_slices(y_train) # good
print(next(iter(y)))

y = tf.data.Dataset.from_tensors(y_train) # good
print(next(iter(y)))

y_train = df[['floats']].copy()
y = tf.data.Dataset.from_tensor_slices(dict(y_train)) # good
next(iter(y))

{'floats'：}

{'floats': <tf.Tensor: shape=(4,), dtype=float64, numpy=array([5., 4., 3., 2.])>}